Dans cette section, une discussion de la simulation, de la méthode proposée
de règles prédéfinies, faite sous Matlab sera abordée.
La simulation est réalisée sur un cycle de 48h. Ce cycle est défini par rapport
à l’intermittence de l’électricité du réseau principal (EdL). L’énergie du
réseau principal est fournie par l’électricité de Liban, pendant les intervalles
de temps (0-6), (10-14), (18-24), (30-34) et (38-42).
Figure 4.8 montre les profils du réseau principal, de la puissance produite
par le PV, l’éolienne, le groupe électrogène, de la consommation et de la
puissance échangée avec le stockage en partant d’un SOCini = 20% dans le
microréseau déjà défini. Figure 4.9 représente les mêmes profiles en partant
d’un SOCini = 90%. L’analyse de la stratégie de la gestion appliquée selon
les règles prédéfinies est illustré sur ces deux figures.
Tant que le réseau principal fournit de l’énergie électrique, la charge y est
connectée [0h-6h](Figs. 4.8 et 4.9).
Pour alimenter la charge lors de l’absence de l’énergie électrique de la part
d’EdL, l’énergie produite par le PV et l’éolienne est utilisée en priorité pour
couvrir la consommation [7h-10h](Figs. 4.8 et 4.9). Le stockage est chargé avec
l’énergie renouvelable ou avec le groupe électrogène [0h-6h],[27h-29h] (Fig. 4.8,
4.9). Par conséquent le stockage n’est pas déchargé que lorsque la production
4.8. Conclusions 87
4.8 Conclusions
La simulation a montrée l’efficacité de ce système, surtout au cas de l’usage
du groupe électrogène ; les 24h/48h d’utilisation sont réduites à 4h/48h ainsi
au plan économique une réduction de 16% d’usage, donc une durée de vie plus
grande d’une part, et d’autre part l’émission du gaz à effet de serre sera réduit
au plan environnemental.
L’absence des prédictions du profil de la production énergétique du
renou-velable et de la consommation, la méthode des règles de base assure la bonne
charge du stockage et le maintien de cette énergie pour garantir son
utilisa-tion lors de la prochaine demande. Cette méthode est valable pour avoir un
seul objectif avec des contraintes exigeantes en supprimant les degrés de
li-berté qu’un tel système doit posséder. Tandis que la gestion par la méthode
d’optimisation génétique offre cette flexibilité.
En parlant d’un microreseau isolé du réseau principal, lors de la présence
d’un excès de l’énergie produite, il peut l’injecter dans le réseau ou le vendre à
un autre microreseau. De même, lors d’un déficit d’énergie, le microreseau peut
acheter du réseau principal ou d’un réseau adjacent sous un prix prédéfini. les
résultats de ce chapitre seront utilisés dans le chapitre suivant en tant que le
microreseau est en déficit ou en excès de puissance pour gérer l’échange de
puissance entre microréseaux ou entre réseau principal et microréseaux.
Chapitre 5
Gestion énergétique centralisée d’un
groupe de microréseau
Sommaire
5.1 Introduction . . . . 89
5.2 Éléments du microréseau . . . . 91
5.3 Interactions entre microréseaux . . . . 92
5.3.1 L’algorithme de la commande prédictive . . . . 92
5.3.2 Modélisation . . . . 93
5.3.3 Problème d’optimisation . . . . 94
5.3.4 Contraintes . . . . 96
5.3.5 Valeurs numériques . . . . 98
5.4 Résultats de la simulation . . . . 99
5.4.1 Discussion des résultats . . . 101
5.5 Conclusions . . . . 102
5.1 Introduction
Les MG peuvent être considérés comme des systèmes de distribution avec
deux modes de fonctionnement différents : le mode isolé et le mode connecté
au réseau [ANRO05]. Cependant, on s’attend également à ce qu’il fournisse
une capacité de production, des contrôles et des stratégies opérationnelles
suffisants pour fournir au moins une partie de la charge, après avoir été
dé-connecté du système de distribution et resté opérationnel en tant qu’entité
autonome isolée [SWM11]. L’objectif général de la gestion de l’énergie d’un
microréseau est de minimiser les coûts d’exploitation tels que le carburant, la
90 Chapitre 5. Gestion énergétique centralisée d’un groupe de microréseau
maintenance et le coût d’achat de l’électricité du réseau principal [YXL15].
Quant aux opérateurs de réseau de distribution (DSO), la présence de MGs
présente de nombreux avantages. Les propriétaires de DSO et de MG peuvent
bénéficier des coûts d’exploitation plus bas. Les clients peuvent bénéficier
d’une alimentation plus fiable et économique [Haj+16b]. Par conséquent, il
est nécessaire de considérer le DSO et les MGs en réseau sont connectés entre
eux [AOS14].
Il existe plusieurs travaux qui abordent la commande prédictive et
l’optimi-sation d’un réseau de MGs.
Dans [Ven+08], une commande prédictive a été proposée où les contrôleurs
sont supposés fonctionner séparément mais leur conception est basée sur un
modèle global du réseau global.
Dans [MFBP13], les auteurs ont proposé une commande prédictive pour les
échanges d’énergie optimale dans un réseau intelligent de MGs.
Falahi et al. [ZWK15] ont proposé un système de gestion d’énergie basé sur
la commande prédictive pour réguler la puissance active et réactive dans un
microréseau.
Une étude sur l’approche linéaire quadratique décentralisée (LQG) a été
réa-lisée dans [DB+07].
En [AAB14b], l’auteur a appliqué la commande prédictive distribuée incluant
la tarification de l’électricité à un réseau intelligent avec une forte pénétration
des systèmes d’énergie renouvelable et des technologies de stockage. il résulte
que l’incorporation de la prédiction à l’optimisation réduit jusqu’à 40% les
coûts de production.
En [VQC17], le MPC est utilisé pour résoudre le problème de dispatching
éco-nomique lorsque des événements futurs possibles sont considérés. Une étude de
cas est résolue à partir de différentes perspectives de l’opérateur du système,
qui peut considérer ou négliger les événements futurs. Les résultats montrent
que MPC résout efficacement le problème de l’envoi économique en tenant
compte des événements futurs et des contraintes de la rampe de vitesse.
Une approche de MPC pour le problème de l’optimisation des opérations de
microréseaux tout en satisfaisant des contraintes de fonctionnement et des
charges variant dans le temps est présenté dans [PRG14].
Dans le document
Coopérative énergétique intelligente
(Page 69-74)